分享
注册
1分钟入驻>
+微信
从业认证
首发回答
你问的QMT量化里用PCA和因子正交处理多重共线性，核心是解决因子间相关性太高导致策略模型不稳定的问题，我给你讲清楚方法和落地步骤。
首先，多重共线性说白了就是几个因子你中有我、相关度高，会让模型系数不准，收益波动大。PCA是把相关的因子整合成几个不相关的主成分，去掉冗余；因子正交是让因子之间完全不相关，把重叠信息剥离。
落地步骤：1.先把要处理的因子标准化，消除量纲差异；2.选方法：用PCA的话，累计方差贡献率取80%-90%的主成分；用正交的话，用Gram-Schmidt方法逐个做正交；3.把处理好的因子放进策略模型测试。
要注意哦，PCA会损失少量原始信息，正交可能改变因子的实际意义，选的时候得结合你的策略；这些都是在QMT的自定义策略代码里用常规Python库实现的。
如果你想了解这些方法在QMT代码里的具体示例，或者怎么适配你的因子池，随时可以点击头像联系我要详细指引。
作为QMT服务支持，还能帮你对接因子处理的实操经验，有需要可以点击添加微信沟通。
首先，多重共线性说白了就是几个因子你中有我、相关度高，会让模型系数不准，收益波动大。PCA是把相关的因子整合成几个不相关的主成分，去掉冗余；因子正交是让因子之间完全不相关，把重叠信息剥离。
落地步骤：1.先把要处理的因子标准化，消除量纲差异；2.选方法：用PCA的话，累计方差贡献率取80%-90%的主成分；用正交的话，用Gram-Schmidt方法逐个做正交；3.把处理好的因子放进策略模型测试。
要注意哦，PCA会损失少量原始信息，正交可能改变因子的实际意义，选的时候得结合你的策略；这些都是在QMT的自定义策略代码里用常规Python库实现的。
如果你想了解这些方法在QMT代码里的具体示例，或者怎么适配你的因子池，随时可以点击头像联系我要详细指引。
作为QMT服务支持，还能帮你对接因子处理的实操经验，有需要可以点击添加微信沟通。
当前我在线
直接联系我
秒答
关注
分享
踩
发布于6小时前 杭州
还有疑问？看看专业认证经理怎么说
资深小梦经理：
先梳理多因子间的相关性矩阵，筛选出冗余度较高的因子
资深小谢经理：
通过PCA降维或正交化转换，优化因子结构以降低多重共线性影响
4232
电话咨询
咨询
18630917047 
